Sebaran peluang Poisson

dokumen-dokumen yang mirip
Distribusi Peluang. Dr. Akhmad Rizali

STATISTIK INDUSTRI 1. Random Variable. Distribusi Peluang. Distribusi Peluang Diskrit. Distribusi Peluang Diskrit 30/10/2013 DISKRIT DAN KONTINYU

DISTRIBUSI POISSON. Nevi Narendrati, M.Pd. Teori Peluang 1

Probabilitas dan Statistika Distribusi Peluang Diskrit 2. Adam Hendra Brata

STATISTICS. WEEK 4 Hanung N. Prasetyo POLYTECHNIC TELKOM/HANUNG NP

DISTRIBUSI PROBABILITAS DISKRIT TEORITIS 2. Distribusi Hipergeometrik

Distribusi Probabilitas Diskrit: Poisson

SEJARAH DISTRIBUSI POISSON

IKG3F3 PEMODELAN STOKASTIK Proses Poisson

BeberapaDistribusiPeluang. Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB

Bagian 2. Probabilitas. Struktur Probabilitas. Probabilitas Subyektif. Metode Frekuensi Relatif Kejadian untuk Menentukan Probabilitas

Pertemuan ke Nilai Harapan (Mean atau Rata rata) dan Varians Distribusi Kontinu

Sebaran Peluang kontinyu Sebagian besar kegiatan di alam ini mengikuti sebaran kontinyu Salah satu sebaran kontinyu adalah sebaran normal. Sebaran nor

3/17/2015 PENGANTAR STATISTIKA PROF. DR. KRISHNA PURNAWAN CANDRA, M.S. JURUSAN TEKNOLOGI HASIL PERTANIAN FAKULTAS PERTANIAN UNIVERSITAS MULAWARMAN

PROSES POISSON MAJEMUK DAN PENERAPANNYA PADA PENENTUAN EKSPEKTASI JUMLAH PENJUALAN SAHAM PT SRI REJEKI ISMAN Tbk

BAB II DISTRIBUSI PROBABILITAS

4.1.1 Distribusi Binomial

DISTRIBUSI POISSON Pendahuluan Rumus Pendekatan Peluang Poisson untuk Binomial P ( x ; µ ) = (e µ. µ X ) / X! n. p Rumus Proses Poisson

MODUL DISTRIBUSI PROBABILITAS EKSPONENSIAL

Model dan Simulasi Universitas Indo Global Mandiri

STATISTICS. WEEK 5 Hanung N. Prasetyo TELKOM POLTECH/HANUNG NP

Statistik Bisnis 1. Week 9 Discrete Probability

BAB I PENDAHULUAN. 1. Kedatangan, populasi yang akan dilayani (calling population)

BAB IV METODE PENELITIAN

BAB 2 LANDASAN TEORI

DISTRIBUSI BINOM. Ciri-ciri: 1.Eksperimen terdiri dari n percobaan yang dapat diulang

MA2081 STATISTIKA DASAR SEMESTER II TAHUN 2010/2011

Beberapa Peubah Acak Diskret (1) Kuliah 8 Pengantar Hitung Peluang

Teori Antrian. Prihantoosa Pendahuluan. Teori Antrian : Intro p : 1

MA4081 PENGANTAR PROSES STOKASTIK Bab 4 Proses Po

BAB 2 LANDASAN TEORI

Distribusi probabilitas dan normal. Statisitik Farmasi 2015

Haryoso Wicaksono, S.Si., M.M., M.Kom. 26

MA2082 BIOSTATISTIKA Bab 3 Peubah Acak dan Distribusi

statistika untuk penelitian

DISTRIBUSI TEORITIS. P(M) = p = probabilitas untuk mendapat bola merah (sukses) 30

PENDAHULUAN Definisi: Contoh Kasus:

DISTRIBUSI PROBABILITAS

MA3081 STATISTIKA MATEMATIK(A) Bab 2: Distribusi Samp

Konsep Dasar Statistik dan Probabilitas

BAB 3 PEMBAHASAN. Tabel 3.1 Data Jumlah dan Rata-Rata Waktu Pelayanan Pasien (menit) Waktu Pengamatan

6.1 Distribusi Chi Kuadrat Gambar distribusi Chi kuadrat. α Jika x berdistribusi χ 2 (v) dengan v = derajat kebebasan = n 1 maka P (c 1.

BAB II TINJAUAN PUSTAKA. (b) Variabel independen yang biasanya dinyatakan dengan simbol

Binomial Distribution. Dyah Adila

MA4181 PENGANTAR PROSES STOKASTIK Bab 5 Proses Poisson

Distribusi Diskrit dan Kontinu yang Penting. Oleh Azimmatul Ihwah

Metode Statistika (STK211)

PENS. Probability and Random Process. Topik 5. Beberapa jenis Distribusi Variabel Acak. Prima Kristalina April 2015

Pertemuan 2 Judul Materi Pertemuan 2

Gambar 2.1. Struktur sistem antrian

Distribusi Peluang Kontinyu STATISTIK INDUSTRI 1. Distribusi Peluang Kontinyu. Distribusi Diskrit Uniform. Distribusi Diskrit Uniform 17/12/2014

Nilai harapan suatu variabel acak x ditulis E (x) didefinisikan E (x) = Σ x. f (x) Var (x) = σ x 2 = E [ x E (x) ] 2 = E (x 2 ) { E (x) } 2

Pengantar Proses Stokastik

PERBANDINGAN DISTRIBUSI BINOMIAL DAN DISTRIBUSI POISSON DENGAN PARAMETER YANG BERBEDA

Bab 7 Ekspektasi dan Fungsi Pembangkit Momen: Cintailah Mean

BAB 8 DISTRIBUSI PELUANG DISKRIT

l.makalah DISTRIBUSI PROBABILITAS DISKRIT

MODUL II DISTRIBUSI PELUANG DISKRIT DAN KONTINU

ANALISA SISTEM ANTRIAN M/M/1/N DENGAN RETENSI PELANGGAN YANG MEMBATALKAN ANTRIAN

DISTRIBUSI PELUANG KONTINYU DISTRIBUSI PROBABILITAS

BAB. Teori Antrian PENDAHULUAN PENDAHULUAN

Metode Statistika (STK 211) Pertemuan ke-5

BAB IV ANALISIS HASIL DAN PEMBAHASAN

ESTIMASI TOTAL DAYA LISTRIK YANG HILANG MELALUI PROSES POISSON TERPANCUNG MAJEMUK

FORMAT LAPORAN MODUL V DISTRIBUSI SAMPLING

Pr { +h =1 = } lim. Suatu fungsi dikatakan h apabila lim =0. Dapat dilihat bahwa besarnya. probabilitas independen dari.

PENGARUH MODIFIKASI KABAM (TRAP) TERHADAP HASIL TANGKAPAN IKAN SELUANG (Rasbora sp)

Lesson 58 : everything, anything. each, every. Pelajaran 58 : semuanya, apapun. Masing-masing/sesuatu, setiap

UJI RATA-RATA SATU SAMPEL MENGGUNAKAN R UNTUK MENGETAHUI PENGARUH MODEL BELAJAR TERHADAP HASIL BELAJAR MATA KULIAH ANALISIS VEKTOR

BAB I PENDAHULUAN 1.1 Latar Belakang

UNIVERSITAS INDONESIA PENGUKURAN RISIKO KREDIT MENGGUNAKAN METODE CREDIT RISK + DENGAN MEMPERTIMBANGKAN VARIABEL MAKRO EKONOMI (STUDI KASUS DI BANK X)

BI5106 ANALISIS BIOSTATISTIK Bab 3 Peubah Acak dan Dist

CONTOH STUDI KASUS ANTRIAN

STATISTIK PERTEMUAN V

Distribusi Peluang. Kuliah 6

Statistika (MMS-1403)

Tugas Kelompok. Mata Kuliah Metodologi Penelitian Kuantitatif. Judul Makalah Revisi DISTRIBUSI PELUANG

STATISTIKA. Muhamad Nursalman Pendilkom/Ilkom UPI

Apa itu suatu Hypothesis?

Pengaruh warna umpan pada hasil tangkapan pancing tonda di perairan Teluk Manado Sulawesi Utara

BAB 6 PENAKSIRAN PARAMETER

Model Antrian. Queuing Theory

Learning Outcomes Sebaran Kontinu Nilai Harapan dan Ragam Beberapa Sebaran Kontinu. Peubah Acak Kontinu. Julio Adisantoso.


REKAYASA TRAFIK KONSEP REKAYASA TRAFIK TELEKOMUNIKASI (2)

Penangkapan Tuna dan Cakalang... Pondokdadap Sendang Biru, Malang (Nurdin, E. & Budi N.)

Distribusi Probabilitas Diskrit. Dadan Dasari

PRODUKTIVITAS PERIKANAN TUNA LONGLINE DI BENOA (STUDI KASUS: PT. PERIKANAN NUSANTARA)

3.3 Pengumpulan Data Primer

PENARIKAN SAMPEL & PENDUGAAN PARAMETER

Statistik Bisnis 1. Week 9 Discrete Probability Binomial and Poisson Distribution

STATISTIKA II IT

DISTRIBUSI PELUANG TEORITIS

REKAYASA TRAFIK ARRIVAL PROCESS.

Inferensia Statistik parametrik VALID?? darimana sampel diambil

DISTRIBUSI PROBABILITAS (PELUANG)

KEPADATAN INDIVIDU KLAMPIAU (Hylobates muelleri) DI JALUR INTERPRETASI BUKIT BAKA DALAM KAWASAN TAMAN NASIONAL BUKIT BAKA BUKIT RAYA KABUPATEN MELAWI

Distribusi Peluang Teoritis. Titik-titik contoh di dalam Ruang Sampel (S) dapat disajikan dalam bentuk numerik/bilangan.

LAB MANAJEMEN DASAR MODUL STATISTIKA 1

BAB IV PROSES POISSON (III)

Transkripsi:

Sebaran Peluang Poisson Dr. Akhmad Rizali Sebaran peluang Poisson Percobaan Poisson : suatu percobaan yang menghasilkan variabel random x, yang menyatakan jumlah berhasil dalam suatu selang (interval) tertentu atau daerah tertentu. Selang waktu mulai milidetik sampai tahunan. Daerah juga mulai dari satuan panjang, luas ataupun volume. 1

Distribusi Poisson Penemu Simeon Denis Poisson (1781 1840) Aturan: bila diketahui jumlah berhasil dalam interval (waktu atau periode seperti semester dll) P(x) = e λ. λ x / x! e = 2.71828 Contoh percobaan Poisson Jumlah sambungan telepon yang masuk suatu kantor Jumlah langganan yang datang pada suatu super market per 5 menit Jumlah salah ketik per halaman Jumlah tikus sawah per hektar 2

Ciri ciri lain sebaran Poisson Independen antar daerah atau waktu Peluang terjadinya suatu sukses relatif terhadap suatu waktu sebanding dengan satuan waktu tersebut Peluang terjadinya lebih dari 2 sukses dalam selang waktuataudaerahyang pendek, mendekati nol e x f(x) = dimana x = 0,1,2, x! e = 2,71828 Ciri distribusi poisson Independen antar daerah atau waktu Peluang terjadinya suatu sukses relatif terhadap suatu waktu sebanding dengan satuan waktu tersebut Peluang terjadinya lebih dari 2 sukses dalam selangwaktuataudaerahyang pendek, mendekati nol 3

Contoh Selama satu jam memancing, umumnya seorang pemancing dapat menangkap 3 ekor ikan. Cari peluang seorang pemancing dapat menangkap 2 ekor ikan selama 1 jam pertama Berhasil: Seekor ikan dapat ditangkap Jumlah berhasil: x = 2 Harapan jumlah yang berhasil: λ = 3 Interval: 1 jam P(x) = e λ. λ x / x! P(2) = 2.71828 2. 3 2 / 2! = 0.2240 Tabel Poisson 4

Contoh lain During the typical statistics final exam, 2 students leave the room in tears. Find the probability that between 1 and 4 students, inclusive, leave your statistics final exam in tears. Success: A student leaves in tears Number of successes: x = 1, 2, 3, or 4 Expected number of successes: λ = 2 Interval: A P(between 1 and 4) = P(1) + P(2) + P(3) + P(4) = 0.2707 + 0.2707 + 0.1804 + 0.0902 = 0.8120 Contoh Rata rata jumlah bunga mekar sempurna di pagi hari, pada tanaman kacang bambara (kacang bogor) adalah 7 bunga per hari. Berdasarkan kejadian tersebut, tentukan peluang : a. terdapat 5 bunga mekar per hari b. terdapat kurang atau sama dengan 9 bunga mekar per hari c. lebih dari 12 bunga mekar per hari Jawab a.p(x=5, =7) = (e 7. 7 5 )/5! =. Atau 5

Interpretasi Walaupun hasil penelitian mengatakan bahwa jumlah bunga kacang bogor yang mekar tiap hari adalah 7 kuntum, namun peluang yang mekar tepat 5 kuntum hanya 0,1277. Penggunaan Tabel Poisson Untuk nilai µ = 7 dapat dilihat pada kolom paling kanan, kemudian untuk mencari P(5,µ), ditarik titik temu antara x=5 dengan µ=7, dan diperoleh nilai peluang 0,3007. Namun demikian sebelum mencarai nilai peluang pada tabel, rumus peluang harus dikerjakan terlebih dahulu. 6

Contoh tabel poisson µ t) x 6.10 6.20 6.30 6.40 6.50 6.60 6.70 6.80 6.90 7.00 0 0.0022 0.0020 0.0018 0.0017 0.0015 0.0014 0.0012 0.0011 0.0010 0.0009 1 0.0159 0.0146 0.0134 0.0123 0.0113 0.0103 0.0095 0.0087 0.0080 0.0073 2 0.0577 0.0536 0.0498 0.0463 0.0430 0.0400 0.0371 0.0344 0.0320 0.0296 3 0.1425 0.1342 0.1264 0.1189 0.1118 0.1052 0.0988 0.0928 0.0871 0.0818 4 0.2719 0.2592 0.2469 0.2351 0.2237 0.2127 0.2022 0.1920 0.1823 0.1730 5 0.4298 0.4141 0.3988 0.3837 0.3690 0.3547 0.3406 0.3270 0.3137 0.3007 6 0.5902 0.5742 0.5582 0.5423 0.5265 0.5108 0.4953 0.4799 0.4647 0.4497 7 0.7301 0.7160 0.7017 0.6873 0.6728 0.6581 0.6433 0.6285 0.6136 0.5987 8 0.8367 0.8259 0.8148 0.8033 0.7916 0.7796 0.7673 0.7548 0.7420 0.7291 9 0.9090 0.9016 0.8939 0.8858 0.8774 0.8686 0.8596 0.8502 0.8405 0.8305 10 0.9531 0.9486 0.9437 0.9386 0.9332 0.9274 0.9214 0.9151 0.9084 0.9015 11 0.9776 0.9750 0.9723 0.9693 0.9661 0.9627 0.9591 0.9552 0.9510 0.9467 12 0.9900 0.9887 0.9873 0.9857 0.9840 0.9821 0.9801 0.9779 0.9755 0.9730 13 0.9958 0.9952 0.9945 0.9937 0.9929 0.9920 0.9909 0.9898 0.9885 0.9872 14 0.9984 0.9981 0.9978 0.9974 0.9970 0.9966 0.9961 0.9956 0.9950 0.9943 15 0.9994 0.9993 0.9992 0.9990 0.9988 0.9986 0.9984 0.9982 0.9979 0.9976 16 0.9998 0.9997 0.9997 0.9996 0.9996 0.9995 0.9994 0.9993 0.9992 0.9990 17 0.9999 0.9999 0.9999 0.9999 0.9998 0.9998 0.9998 0.9997 0.9997 0.9996 18 1.0000 1.0000 1.0000 1.0000 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 19 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 20 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 Menggunakan tabel poisson Dapat pula dikerjakan dengan memanfaatkan tabel peluang Poisson yang telah tersedia. Dengan cara ini akan diperoleh hasil lebih cepat. Dari Tabel tersebut, dipeoleh : 5 4 a.. (P(x,7) P(x,7) = 0,3007 0,1730 = 0,1277 (lihat tabel) x=0 x=0 9 b) (P(x,7) = 0,8305 x=0 12 = 1 (P(x,7) = 1 0,9730 = 0,00270 x=0 7

Dengan Excel During a typical hour fishing at Lake Lotsafish, a fisher can expect to catch 3 fish. Find the probability that a fisher catches exactly 2 fish in his first hour fishing. Success: A fish is caught. Number of successes: x = 2 Expected number of successes: λ = 3 Interval: One hour =POISSON(2,3,FALSE) P(2) = 0.2240 A small town has 1.6 cars stolen on an average day. Find the probability that there are 2 or fewer cars stolen on a given day. Success: A car is stolen. Number of successes: x = 2 or fewer Expected number of successes: λ = 1.6 Interval: One day =POISSON(2,1.6,TRUE) P(<2) = 0.7834 8

Latihan dan diskusi 1. Rata rata banyaknya tikus per ha dalam suatu ladang gandum seluas 5 ha diduga sebesar 10 ekor. Hitung peluang bahwa dalam suatu luasan 1 ha terhadap lebih dari 15 tikus. 2. Di Kabupaten Malang secara rata rata dilanda 6 angin ribut per tahun. Hitunglah peluang bahwa dalam suatu tahun tertentu daerah ini akan dilanda : kurang dari 4 kali angin ribut 6 sampai 8 kali angin ribut Tepat 5 angin ribut Tepat 6 angin ribut. Apa bedanya dengan reratanya? Latihan dan diskusi 3. Seorang grower tanaman hias mampu menghasilkan 2 jenis spesies silangan baru per tahun. Pada tahun depan spesies baru yang akan dihasilkan, akan dikenalkan pada pameran flora Indonesia. Berapa peluang bahwa tahun depan ia akan membuat : 4 atau lebih spesies silangan baru Tidak dapat menghasilkan spesies kurang 2 spesis lebih dari 4 spesies 9

Terimakasih 10